SAR ଡାଟାରୁ କାର୍ଯ୍ୟକ୍ଷମ ମାନଚିତ୍ର: Python ସହିତ ଏକ ଓପନ୍-ସୋର୍ସ ବନ୍ୟା ଚିହ୍ନଟ ପାଇପଲାଇନ୍ ନିର୍ମାଣ

SAR ଡାଟାରୁ କାର୍ଯ୍ୟକ୍ଷମ ମାନଚିତ୍ର: Python ସହିତ ଏକ ଓପନ୍-ସୋର୍ସ ବନ୍ୟା ଚିହ୍ନଟ ପାଇପଲାଇନ୍ ନିର୍ମାଣ

ବନ୍ୟା ଭୟଙ୍କର ହୋଇପାରେ। ଏହା ଶୀଘ୍ର ଆସିପାରେ ଏବଂ ସମୁଦାୟଗୁଡ଼ିକୁ ସୁଧୁରିବା ପାଇଁ ସଂଘର୍ଷ କରିବାକୁ ଛାଡିଦିଏ। ଏହି ବିଷୟଟି ବର୍ତ୍ତମାନ ବିଶେଷ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କାରଣ ଜଳବାୟୁ ପରିବର୍ତ୍ତନ ଚରମ ପାଣିପାଗ ଘଟଣାର ପୁନରାବୃତ୍ତି ବୃଦ୍ଧି କରୁଛି, ଯାହା ପ୍ରଭାବଶାଳୀ ବନ୍ୟା ଚିହ୍ନଟକୁ ଅତ୍ୟାବଶ୍ୟକ କରିପାରୁଛି।

SAR ଡାଟା କ’ଣ?

Synthetic Aperture Radar (SAR) ହେଉଛି ଏକ ପ୍ରକାର ରାଡାର୍ ଯାହା ଭୂଦୃଶ୍ୟର ଚିତ୍ର ତିଆରି କରିବା ପାଇଁ ବ୍ୟବହୃତ ହୁଏ। ମେଘମୁକ୍ତ ଆକାଶ ଉପରେ ନିର୍ଭର କରୁଥିବା ଅପ୍ଟିକାଲ୍ ସାଟେଲାଇଟ୍ ଭଳି ନୁହେଁ, SAR ମେଘ ଏବଂ ବର୍ଷା ମଧ୍ୟ ଦେଇ ଦେଖିପାରେ। ଏହା ଏହାକୁ ବନ୍ୟା ଚିହ୍ନଟ ପାଇଁ ବିଶେଷ ଉପଯୋଗୀ କରିଥାଏ। ତଥାପି, SAR ଡାଟା ନୋଇଜି (noisy) ଏବଂ ଜଟିଳ ହୋଇପାରେ, ଯାହା ବିଶ୍ଳେଷଣକୁ ଜଟିଳ କରିପାରେ।

ବନ୍ୟା ଚିହ୍ନଟ ପାଇପଲାଇନ୍ ନିର୍ମାଣ

ଏହି ନିବନ୍ଧରେ, ଆମେ କଞ୍ଚା SAR ଡାଟାକୁ କାର୍ଯ୍ୟକ୍ଷମ ବନ୍ୟା ମାନଚିତ୍ରରେ ପରିଣତ କରୁଥିବା ଏକ ପାଇପଲାଇନ୍ ତିଆରି କରିବାର ପଦକ୍ଷେପଗୁଡ଼ିକ ମାଧ୍ୟମରେ ଯିବା। ଏଠାରେ ତିନୋଟି ମୁଖ୍ୟ ଆହ୍ୱାନ ଅଛି ଯାହାର ଆମେ ସମାଧାନ କରିବା:

ଆହ୍ୱାନ ୧: ଶୂନ୍ୟ-ମୂଲ୍ୟ Borders ପରିଚାଳନା କରିବା

SAR ଡାଟା ଏକ୍ସପୋର୍ଟ କରିବା ପାଇଁ Sentinel Application Platform (SNAP) ବ୍ୟବହାର କରିବା ସମୟରେ, ଆପଣ ଛବିଗୁଡ଼ିକରେ ଶୂନ୍ୟ-ମୂଲ୍ୟ ସୀମା ପାଇପାରନ୍ତି। ଏହି ସୀମାଗୁଡ଼ିକ ଆପଣଙ୍କ ଡାଟା ବିଶ୍ଳେଷଣକୁ ପ୍ରଭାବିତ କରିପାରେ।

ସମାଧାନ:

  1. ଶୂନ୍ୟ ମୂଲ୍ୟଗୁଡ଼ିକୁ NaN (Not a Number) ଭାବରେ ଗ୍ରହଣ କରନ୍ତୁ।
  2. ଡାଟାକୁ ଡେସିବେଲ୍ (dB) ରେ ରୂପାନ୍ତର କରନ୍ତୁ।
  3. କେବଳ ବୈଧ ସୂଚନା ଶାମିଲ କରିବା ପାଇଁ ଡାଟାକୁ କ୍ରପ୍ କରନ୍ତୁ।

ଡାଟା କ୍ରପ୍ କରିବା ପାଇଁ ଏଠାରେ ଏକ ନମୁନା କୋଡ୍ ସ୍ନିପେଟ୍ ଅଛି:

rows = np.where(~np.all(np.isnan(dB_full), axis=1))[0]
cols = np.where(~np.all(np.isnan(dB_full), axis=0))[0]
dB = dB_full[rows.min():rows.max() + 1, cols.min():cols.max() + 1]

ଆହ୍ୱାନ ୨: ପ୍ରକୃତ ବନ୍ୟା ଜଳକୁ ପୃଥକ୍ କରିବା

-17 dB ର ଏକ ସରଳ ଥ୍ରେସହୋଲ୍ଡ ସମସ୍ତ ଜଳ ଚିହ୍ନଟ କରିପାରିବ, କିନ୍ତୁ ଏହା ନଦୀ ଏବଂ ହ୍ରଦ ଭଳି ସ୍ଥାୟୀ ଜଳାଶୟଗୁଡ଼ିକୁ ମଧ୍ୟ ଚିହ୍ନଟ କରେ। ଏହା ବନ୍ୟା ଚିହ୍ନଟରେ ଫଲ୍ସ ପଜିଟିଭ୍ ଆଡ଼କୁ ନେଇପାରେ।

ସମାଧାନ:

  1. ସ୍ଥାୟୀ ଜଳାଶୟଗୁଡ଼ିକୁ ଆଣିବା ପାଇଁ OpenStreetMap (OSM) ବ୍ୟବହାର କରନ୍ତୁ।
  2. SAR ଗ୍ରିଡ୍ ସହିତ ମେଳାଇବା ପାଇଁ ଏହି ଡାଟାକୁ ରାଷ୍ଟରାଇଜ୍ କରନ୍ତୁ।
  3. ବନ୍ୟା ଜଳକୁ ପୃଥକ୍ କରିବା ପାଇଁ ଚିହ୍ନଟ ହୋଇଥିବା ମାସ୍କରୁ ସ୍ଥାୟୀ ଜଳକୁ ବିୟୋଗ କରନ୍ତୁ।

ଆପଣ କିପରି ସ୍ଥାୟୀ ଜଳ ଡାଟା ଆଣିପାରିବେ ତାହା ଏଠାରେ ଦିଆଯାଇଛି:

osm_water = ox.features_from_bbox(bbox=bbox, tags={"natural": "water"})
flood_only = mask_clean(~binary_dilation(permanent_water, iterations=2))

ଆହ୍ୱାନ ୩: QGIS ରେଣ୍ଡରିଂ ସମସ୍ୟାର ସମାଧାନ କରିବା

ସ୍ୱଚ୍ଛ GeoTIFFs ଏକ୍ସପୋର୍ଟ କରିବା ସମୟରେ, QGIS ସ୍ୱଚ୍ଛ ପିକ୍ସେଲଗୁଡ଼ିକୁ ଗାଢ଼ କଳା ଭାବରେ ରେଣ୍ଡର୍ କରିପାରେ। ଏହା ଡାଟାକୁ ସଠିକ୍ ଭାବରେ ଭିଜୁଆଲାଇଜ୍ କରିବା କଠିନ କରିପାରେ।

ସମାଧାନ:

  1. RGBA (ଯାହା ସ୍ୱଚ୍ଛତା ପାଇଁ red, green, blue, ଏବଂ alpha ଅନ୍ତର୍ଭୁକ୍ତ କରେ) ବ୍ୟବହାର କରିବା ପରିବର୍ତ୍ତେ, ଏକ ସିଙ୍ଗଲ୍-ବ୍ୟାଣ୍ଡ ରାଷ୍ଟର ତିଆରି କରନ୍ତୁ।
  2. ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ NoData ମୂଲ୍ୟ (255) ବ୍ୟବହାର କରନ୍ତୁ ଯାହାକୁ QGIS ସ୍ୱଚ୍ଛ ଭାବରେ ଗ୍ରହଣ କରେ।

ଏହାକୁ କିପରି ସେଟ୍ ଅପ୍ କରିବେ ତାହାର ଏକ ଉଦାହରଣ ଏଠାରେ ଦିଆଗଲା:

overlay = np.where(final_flood_raster == 1, 1, 255).astype(np.uint8)

ଫଳାଫଳ

ଏହି ପଦକ୍ଷେପଗୁଡ଼ିକୁ ଅନୁସରଣ କରି, ପାଇପଲାଇନ୍ ଆଉଟପୁଟ୍ ଦିଏ:

  • ଭେକ୍ଟର ଡାଟା: ସଠିକ୍ କ୍ଷେତ୍ରଫଳ ଗଣନା ସହିତ GeoJSON କିମ୍ବା Shapefiles।
  • ଇଣ୍ଟରାକ୍ଟିଭ୍ ମାନଚିତ୍ର: ଏକ Folium HTML ମାନଚିତ୍ର ଯାହା ସାଟେଲାଇଟ୍ ଏବଂ ଷ୍ଟ୍ରିଟ୍ ଭ୍ୟୁ ମଧ୍ୟରେ ଟଗଲ୍ କରିବାକୁ ଅନୁମତି ଦିଏ।
  • QGIS-Ready Rasters: ସଫା ଓଭରଲେଗୁଡ଼ିକ ଯାହା ଆମଦାନୀ ହେବା ମାତ୍ରେ ତୁରନ୍ତ କାମ କରେ।

ନିଷ୍କର୍ଷ

SAR ଡାଟା ବ୍ୟବହାର କରି ଏକ ବନ୍ୟା ଚିହ୍ନଟ ପାଇପଲାଇନ୍ ନିର୍ମାଣ କରିବା ଏକ ମୂଲ୍ୟବାନ ଦକ୍ଷତା। ଏହା ଜଟିଳ ଡାଟାକୁ ଉପଯୋଗୀ ସୂଚନାରେ ପରିଣତ କରିବାରେ ସାହାଯ୍ୟ କରେ ଯାହା ବିପର୍ଯ୍ୟୟ ପ୍ରଶମନ ଏବଂ ଯୋଜନାରେ ସାହାଯ୍ୟ କରିପାରିବ।

ଉପକାରିତା

  • ସଠିକ୍ ବନ୍ୟା ଚିହ୍ନଟ ପ୍ରଦାନ କରେ।
  • ଓପନ୍-ସୋର୍ସ ଟୁଲ୍ସ ବ୍ୟବହାର କରେ, ଯାହା ଏହାକୁ ସୁଲଭ କରିଥାଏ।
  • ବିପର୍ଯ୍ୟୟ ପରିଚାଳନା ଉଦ୍ୟମକୁ ବୃଦ୍ଧି କରେ।

ଅପକାରିତା

  • Python ଏବଂ GIS ଟୁଲ୍ସ ସହିତ ପରିଚିତ ହେବା ଆବଶ୍ୟକ।
  • ପ୍ରସେସିଂ ସମ୍ପଦ-ଗହନ (resource-intensive) ହୋଇପାରେ।
  • ଆରମ୍ଭିକ ସେଟ୍ ଅପ୍ ନୂତନ ବ୍ୟବହାରକାରୀଙ୍କ ପାଇଁ ଜଟିଳ ହୋଇପାରେ।

ସତର୍କତା

ଏହି ନିବନ୍ଧଟି ଶିକ୍ଷାଗତ ଉଦ୍ଦେଶ୍ୟ ପାଇଁ ଅଟେ। କୋଡ୍‌ରେ ଥିବା ଯେକୌଣସି ପ୍ଲେସହୋଲ୍ଡର୍ ମୂଲ୍ୟକୁ ଆପଣଙ୍କର ପ୍ରକୃତ ଡାଟା ସହିତ ବଦଳାଇବାକୁ ସୁନିଶ୍ଚିତ କରନ୍ତୁ। ଏଗୁଡ଼ିକ ଉପରେ ନିର୍ଭର କରିବା ପୂର୍ବରୁ ସର୍ବଦା ମୂଳ ଉତ୍ସ ସହିତ ଦାବିଗୁଡ଼ିକୁ ଯାଞଚ କରନ୍ତୁ।

ବାରମ୍ବାର ପଚରାଯାଉଥିବା ପ୍ରଶ୍ନଗୁଡ଼ିକ

  • SAR ଡାଟା କ’ଣ? — SAR ଡାଟା ହେଉଛି ରାଡାର୍ ଡାଟା ଯାହା ଭୂଦୃଶ୍ୟର ଛବି ତିଆରି ପାଇଁ ବ୍ୟବହୃତ ହୁଏ, ଯାହା ମେଘୁଆ ପରିସ୍ଥିତିରେ ପ୍ରଭାବଶାଳୀ।
  • ବନ୍ୟା ସମୟରେ ଅପ୍ଟିକାଲ୍ ସାଟେଲାଇଟ୍ ଡାଟା କାହିଁକି ଉପଯୋଗୀ ନୁହେଁ? — ଅପ୍ଟିକାଲ୍ ସାଟେଲାଇଟ୍ ମେଘମୁକ୍ତ ଆକାଶ ଉପରେ ନିର୍ଭର କରନ୍ତି, ଯାହା ପ୍ରାୟତଃ ବନ୍ୟା ସମୟରେ ଉପଲବ୍ଧ ନଥାଏ।
  • ବନ୍ୟା ଚିହ୍ନଟ ପାଇପଲାଇନର ଉଦ୍ଦେଶ୍ୟ କ’ଣ? — ପାଇପଲାଇନ୍ କଞ୍ଚା SAR ଡାଟାକୁ କାର୍ଯ୍ୟକ୍ଷମ ବନ୍ୟା ମାନଚିତ୍ରରେ ପରିଣତ କରେ।
  • ପାଇପଲାଇନ୍ ପାଇଁ କେଉଁ ପ୍ରୋଗ୍ରାମିଂ ଭାଷା ବ୍ୟବହୃତ ହୁଏ? — ବନ୍ୟା ଚିହ୍ନଟ ପାଇପଲାଇନ୍ ନିର୍ମାଣ କରିବା ପାଇଁ Python ବ୍ୟବହୃତ ହୁଏ।
  • ଏହି ପାଇପଲାଇନରେ OpenStreetMap ର ଭୂମିକା କ’ଣ? — ବନ୍ୟା ଜଳକୁ ପୃଥକ୍ କରିବାରେ ସାହାଯ୍ୟ କରିବା ପାଇଁ OSM ସ୍ଥାୟୀ ଜଳାଶୟଗୁଡ଼ିକର ଡାଟା ପ୍ରଦାନ କରେ।
  • QGIS କ’ଣ? — QGIS ହେଉଛି ଏକ ମାଗଣା ଏବଂ ଓପନ୍-ସୋର୍ସ ଭୌଗୋଳିକ ସୂଚନା ପ୍ରଣାଳୀ ଯାହା ମ୍ୟାପିଂ ଏବଂ ସ୍ପାସିଆଲ୍ ଡାଟା ବିଶ୍ଳେଷଣ ପାଇଁ ବ୍ୟବହୃତ ହୁଏ।

ଟ୍ୟାଗ୍‌ଗୁଡ଼ିକ

#python #opensouce #flooddetection #SAR #GIS #QGIS #OpenStreetMap #climatechange #floodmapping #dataanalysis

Free field guide

Docker Security Checklist

Lock down your containers from build to runtime — 29 practical controls covering images, runtime flags, secrets, and the daemon. Enter your email — you'll get the PDF instantly, plus new posts on Docker, Linux & security.